正交设计的最新发展和应用-回归分析在正交设计的应用

正交设计有许多新发展,本系列讲座介绍其中的一些便于应用的结果,共有四部份：回归分析在正交设计中的应用,均匀正交设计,正交设计的Ｄ－最优性,以及正交设计的投影性质。本讲强调回归分析用于正交设计的建模、估计、减少参数数目方面的应用     

具有任意阶交互效应的正交设计的广优良性

[1]研究过正交试验设计的优良性问题,得到在仅仅考虑主效应时,正交设计是A-,D-,E-最优的结论。[2](1978)推广了[1]的结果,证明了在一级交互效应下,正交设计也是A-,D-,E-最优的。[3]提出泛最优性的概念,给出了判定泛最优设计的定理。利用[3]的结果,[5](1980)证明了仅仅考虑主效应时,正交设计是泛最优的,而AF-,D-,E-最优性都不过是泛最优性的特例,从而蕴涵了[1]的结果。然而,在具有交互作用的情     

正交设计的熵最优性

正交设计是一种安排多因素试验的科学方法。文献[1]、[2]证明了正交设计具有D最优性、E最优性、A最优性等。我们加强了D最优性,并引入熵最优性,把D最优、E最优、A最优等归纳为熵最优的某种特殊情形。本文扼要地给出所得到的主要结果。假定设计∧=(λ_(ij))_(n×m)之下做了n次试验。试验结果是     

含过程变量的K模型最优正交区组设计

混料试验设计是研究混合物成份比例的试验设计,最优设计则是混料试验设计中重要的研究方向,其中以D-最优设计应用最为广泛.文中对K模型混料试验与最优准则进行介绍,对其含过程变量的3分量二阶K模型给出满足D-最优准则的正交区组设计,最后推广至q分量情形并证明.     

正交设计的最新发展和应用（Ⅳ）——正交设计的投影性质

一个试验有ｋ个因素，每个都有ｑ个水平，若用正交表Ｌｎ（ｑ＾ｓ）（ｓ〉ｑ）来安排，是否取Ｌｎ（ｑ＾ｓ）中的任意ｋ列都有相同效果呢？这方面的性质称为正交表的投影性质，这些性质对正交表的使用有指导作用。本讲介绍部份正交表的投影性质以及均匀性在其中的应用。     

正交设计的最新发展和应用(IV)—正交设计的投影性质

一个试验有ｋ 个因素，每个都有ｑ 个水平，若用正交表 Ｌｎ （ｑｓ）（ｓ＞ ｑ）来安排，是否取 Ｌｎ（ｑｓ）中的任意ｋ 列都有相同效果呢？ 这方面的性质称为正交表的投影性质，这些性质对正交表的使用有指导作用。本讲介绍部份正交表的投影性质以及均匀性在其中的应用     

广义正交表和正交表的裂区试验设计法的比较

裂区试验设计方法是在正交表的基础上进行的.根据试验设计的数据分析结论要求具有再现性这一原理,将证明这种裂区试验设计法要有条件的使用才是合理的.由于广义正交表是保证设计表具有再现性的基本设计表,根据广义正交表来研究这种裂区试验设计方法的合理性.研究结果显示在裂区试验设计法对应的设计表是广义正交表,并且相应的数据分析方法采用广义正交表的数据分析方法时,才能保证其数据分析结论具有客观一致性和可重复再现性.     

关于离散型试验的最优设计

本文对线性模型中离散型试验的设计阵提出了一致最优与分组E最优的标准,找到了一致最优设计阵存在的充要条件,证明了正交设计与BIB区组设计是分组E最优设计和E最优设计.本文中的方法可以用于非离散型的试验,得到相应的结果.     

正交平衡区组设计统计分析模型参数估计的矩阵表达

正交平衡区组设计(或者广义正交表)是一种类似于正交拉丁方(或者正交表)的新设计,但试验次数大幅减少.定义了一种基于正交相遇平衡区组设计(或者广义正交表)的统计分析模型,根据这个模型,给出了参数的最小二乘估计的矩阵形式.     

广义正交表正交性的等价条件

广义正交表是一种类似于正交表的新设计.正交平衡性是广义正交表必须满足的基本要求之一,它是正交表正交性的推广,它能够使得试验因子在方差分析中保持柯赫伦定理成立,因而可以像正交表一样进行试验设计和方差分析,从而不但保证其数据分析模型符合"不自生"逻辑,而且也可以保证试验因子的各种关系比较的数据分析结论具有客观一致性和可重复再现性,但试验次数大幅减少.利用矩阵象技术,提出并证明了广义正交表的组合正交性不但等价于其矩阵象的正交性,而且也等价于其广义关联矩阵的正交性.借助于SAS软件可以方便快速的验证某些区组设计相应的行列设计是否为广义正交表.     

链式区组设计与广义正交表

在区组设计理论中,当区组水平(处理)数很大时,经常采用一种链式区组设计.在基于链式区组设计收集数据时,相应的设计表已经不是平衡不完全区组设计(BIBD),因此基于BIBD的数据分析发展成的链式区组设计的数据分析方法将存在不足之处,突出的特点是试验的数据分析结论不再具有再现性.为了保证新的设计表仍然具有试验数据分析结论的再现性,至少需要相应的设计表是广义正交表,即至少需要保持新的设计表具有相遇平衡和正交平衡性质.也就是说:在某种条件下,基于链式区组设计收集数据,也能保证试验数据分析的结论具有再现性,仅需相应的新设计表是广义正交表即可.研究发现:在链式区组设计中,相应的设计表在某些条件下可以是广义正交表.从广义正交表的角度来看,证明了,将对称BIBD作为小组下标,由此构造的链式区组设计对应的设计表,仍然是广义正交表,从而说明了链式区组设计方法可以在试验设计理论中有条件的使用.这也启发可以把链式区组试验设计方法扩充成广义正交表的构造方法.     

基于正交表替换构造广义正交表

广义正交表是一种类似于正交表的新设计,利用广义正交表进行试验设计,在与正交表具有相同估计方差的条件下,可以明显减少试验次数.对广义正交表的构造方法进行深入研究,研究发现,用正交表和已知的小试验次数的广义正交表,经过简单替换,可以构造许多新的广义正交表,并且新构造的广义正交表还保持着原来正交表列之间的正交性.     

正交设计的最新发展和应用(Ⅱ)-均匀正交设计

方开泰等．正交设计的最新发展和应用（Ⅱ）—均匀正交设计．令Ｌ（ｎ;ｑｓ）为一切正交表Ｌｎ（ｑｓ）之集合,Ｍ为试验点分布于试验区域的均匀性测度。给定（ｎ,ｑ,ｓ）,在Ｌ（ｎ;ｑｓ）上具有最好均匀性（在测度ＭＦ）的设计称为无匀正交设计,并表为ＵＬｎ（ｑｓ）。本讲座以ＵＬ９（３４）为例说明均匀正交设计在估计和混杂方面的优良性质。在附录中列出了七个均匀正交表,它们都是最近获得的     

正交设计的最新发展和应用(Ⅱ)—均匀正交设计

方开泰等．正交设计的最新发展和应用（Ⅱ）—均匀正交设计．令Ｌ（ｎ;ｑｓ）为一切正交表Ｌｎ（ｑｓ）之集合,Ｍ为试验点分布于试验区域的均匀性测度。给定（ｎ,ｑ,ｓ）,在Ｌ（ｎ;ｑｓ）上具有最好均匀性（在测度ＭＦ）的设计称为无匀正交设计,并表为ＵＬｎ（ｑｓ）。本讲座以ＵＬ９（３４）为例说明均匀正交设计在估计和混杂方面的优良性质。在附录中列出了七个均匀正交表,它们都是最近获得的     

正交设计及其在我厂应用的情况

一、什么是正交设计正交设计是用于安排多因素实验的一种科学方法.在多因素的情况下选择最佳条件,采用正交设计法是比较方便的.科学实验的目的是探索和认识未知的事物,通过实验化未知为知之.正交设计是同时考察多种因素,多个位级的试验设计,它利用一系列的正交表,可以     

正交平衡区组设计统计分析模型的参数估计

正交平衡区组设计(或者广义正交表)的数据分析类似于正交拉丁方(或者正交表)的数据分析,但试验次数大幅减少.引入了相遇平衡区组设计矩阵象的概念,定义了一种基于正交相遇平衡区组设计(或者广义正交表)的统计分析模型,根据这个模型,推导得到了参数的最小二乘估计.     

混料试验的拟分量变换设计

在混料试验中有两类重要的设计,分别是最优设计与均匀设计.为了构造一类能兼顾最优性与均匀性的混料设计,本文在Scheffe型设计的基础上提出了混料拟分量变换设计.首先定义了填充格子点集并讨论了它的相关性质,然后以填充格子点集作为NT-net用于度量点集的均匀程度,证明了对称区域内的中心压缩拟分量变换设计最均匀,以及D-,A-最优设计的拟分量变换设计具有最优性不变的性质.通过实例分析,验证了拟分过变换设计的有效性,并且这种设计能保证在变换区域内的最优性以及整体区域的均匀性.这种方法所建立的模型与真实模型更接近,更稳健.     

正交试验设计普及情况点滴

在毛主席无产阶级革命路线指引下,在批林整风运动的推动下,群众性的科学实验运动得到进一步的开展.在普及优选法的同时,许多单位在党组织领导下,开展了普及正交试验设计的活动,工人和科技人员在他们经验的基础上,用正交表安排试验,收到了喜人的效果.正交试验设计是用一套规格化的表(正交表)来安排多因素试验的方法.用这种方法不但可以选到较好的工艺条件(或配方),而且可以帮助我们在错综复杂的因素中抓住主要矛盾,揭示出事物发展的内部规律.     

正交试验设计的矩阵分析方法

介绍了一种正交试验设计的矩阵分析方法,通过该方法能够计算出各因素各水平对试验结果影响的权重,根据权重的大小可以确定正交试验的最优方案以及各个因素对正交试验的指标值影响的主次顺序.     

基于正交表的中心组合设计及其预测方差

预测能力是评价设计优劣的一个重要准则,通过方差散布图可以准确获得设计在一定区域内的预测能力。本文首先介绍了最新提出的基于正交表的中心组合设计(OACD)以及基于极小极大准则的改进设计(OACM),然后证明了无论是OACD设计还是OACM设计,均不具备旋转性,即预测方差在球面上无法达到一致。最后本文给出了在不同因子数下,OACD设计和OACM设计在预测方差上的模拟比较。结果表明,对于方差散布图包含的平均预测方差、最大预测方差、最小预测方差三个指标,OACM设计均一致优于OACD设计,其结果可以为实际试验工作者提供最优设计选择上的参考。